Технологии распознавания лиц: алгоритмы и точность¶

Технологии распознавания лиц — класс биометрических методов автоматической идентификации или верификации человека по изображению его лица, получаемому с цифровых камер. Данные технологии относятся к области компьютерного зрения и используют алгоритмы машинного обучения для выделения характерных черт лица, их преобразования в математическое представление (шаблон) и сравнения этого шаблона с записями в базе данных.

¶Основные этапы обработки

Процесс распознавания лица включает несколько последовательных этапов:

1. Обнаружение лица — поиск и выделение области лица на кадре или фотографии. На этом этапе применяются детекторы, способные работать в реальном времени, например, каскады Хаара или более современные нейросетевые детекторы (MTCNN, RetinaFace).
2. Выравнивание — геометрическая нормализация изображения: поворот, масштабирование и приведение лица к стандартному виду для компенсации наклона головы или расстояния до камеры.
3. Извлечение признаков — преобразование изображения в компактный числовой вектор (эмбеддинг). Качество этого этапа определяет точность всей системы.
4. Сравнение и верификация — вычисление метрики сходства (например, косинусное расстояние или евклидова дистанция) между полученным вектором и шаблонами из базы данных. При превышении порогового значения система принимает решение о совпадении.

¶Алгоритмы и подходы

¶Традиционные методы

До эпохи глубокого обучения использовались ручные дескрипторы: локальные бинарные шаблоны (LBP), гистограммы ориентированных градиентов (HOG) и метод главных компонент (Eigenfaces). Эти подходы сильно зависели от условий освещения и ракурса и имели ограниченную точность.

¶Методы глубокого обучения

Современные системы основаны на свёрточных нейронных сетях (CNN). Ключевые архитектуры, оказавшие влияние на индустрию:

• DeepFace (Facebook, 2014) — одна из первых систем, достигшая точности, сопоставимой с человеческой (97,35% на наборе LFW).
• FaceNet (Google, 2015) — использует триплетную функцию потерь для обучения, что позволяет напрямую оптимизировать эмбеддинги для задачи распознавания.
• ArcFace (2019) — применяет модифицированную функцию потерь с аддитивным угловым запасом, что значительно повышает различимость признаков. На сегодняшний день ArcFace и его варианты (CosFace, SphereFace) являются де-факто стандартом в индустрии.

¶Метрики точности

Для оценки качества алгоритмов используются стандартизированные метрики:

• TAR (True Acceptance Rate) — доля верно принятых попыток верификации при заданном уровне ложных срабатываний.
• FAR (False Acceptance Rate) — вероятность ложного принятия чужого человека.
• FRR (False Rejection Rate) — вероятность ложного отказа своему пользователю.
• Rank-1 Accuracy — доля запросов, в которых правильный человек оказался на первом месте в выдаче системы идентификации.

Точность современных алгоритмов на эталонных наборах данных (LFW, MegaFace, IJB-C) превышает 99%. Однако реальные условия эксплуатации (низкое разрешение камер, плохое освещение, частичное перекрытие лица) существенно снижают показатели.

¶Факторы, влияющие на точность

На качество распознавания влияют:

• Условия съёмки: освещение, угол наклона головы, разрешение изображения.
• Изменения внешности: возрастные изменения, борода, очки, макияж, пластические операции.
• Качество базы данных: количество эталонных фотографий на человека, их давность и разнообразие.

Для повышения устойчивости применяются методы аугментации данных при обучении, а также использование нескольких кадров или видео для формирования более стабильного шаблона.

¶Применение

Технологии распознавания лиц используются в следующих областях:

• Биометрическая аутентификация — разблокировка смартфонов (Face ID), подтверждение платежей, доступ к помещениям.
• Правоохранительная деятельность — поиск преступников по базам данных, наблюдение в общественных местах.
• Ритейл и маркетинг — анализ покупательского поведения, персонализация обслуживания.
• Контроль доступа — проход на территорию предприятий, в метрополитене (система Face Pay в Московском метро).

¶Критика и правовое регулирование

Применение технологий вызывает обеспокоенность в связи с вопросами приватности, возможностью тотальной слежки и ошибками алгоритмов, приводящими к ложным обвинениям. В ряде стран (включая страны Европейского союза) введены ограничения на использование систем распознавания лиц в общественных местах.

В России использование биометрических данных регулируется Федеральным законом № 152-ФЗ «О персональных данных» и отдельными нормативными актами. Сбор и обработка биометрии допускаются с согласия субъекта, за исключением отдельных случаев, предусмотренных законом (например, обеспечение безопасности на транспорте).